储粮微生物显微图像处理与识别研究

论文摘要

我国是一个产粮大国,仅国家粮库就储藏有数千亿公斤粮食。由于粮食上带有种类繁多的微生物,加之粮食中含有许多营养物质是微生物良好的天然培养基,所以在合适的条件下,粮食中的微生物就会使粮食发霉变质,严重影响人类食用的安全性。因此,开发一个科学实用、准确方便的储粮微生物识别检测系统对微生物进行检测,指导专业管理人员采取相关措施来预防霉变是非常必要的。本文利用图像处理、模式识别、神经网络等技术对储粮微生物识别系统进行了相关研究,特别是对微生物的特征提取、特征压缩和分类方面进行了较为深入的研究。主要工作和成果如下:1.储粮微生物图像增强与分割采用滑动窗口为十字形的中值滤波法对微生物图像进行平滑处理;采用基于迭代阈值和数学形态学的边缘检测算法对微生物图像进行边缘检测。2.储粮微生物特征形成提取出储粮微生物二值化图像的特征包括形态学特征和纹理特征在内的共18个特征,并对所有特征进行归一化处理。3.储粮微生物特征选择在系统地分析遗传算法和模拟退火算法两种组合优化方法的基础上,依据储粮微生物显微图像的特点提出了基于模拟退火技术的遗传算法——遗传模拟退火算法,对遗传模拟退火算法的特点、实现步骤、参数分析、具体实现进行了较深入的探讨。运用遗传模拟退火算法对抽取出的18个特征进行特征选择,筛选出面积、周长、复杂度等10个较好的特征。4.储粮微生物特征压缩分析了常用的特征压缩方法,基于类内类间距离的、基于K-L变换的、基于神经网络的和基于小波分析的特征压缩;运用总体类内离散度矩阵K-L变换的特征压缩方法,将储粮微生物的10维特征向量压缩到6维,从而减少了分类器的计算量,提高了系统的整体性能。5.储粮微生物分类器的设计设计了改进的BP神经网络分类器和模糊分类器。用神经网络和模糊技术来实现储粮害虫的分类,并深入地研究了BP网络分类器的设计。针对传统BP算法易陷入局部极小和收敛速度慢的问题,分析了3种改进方法,使网络的收敛速度大大加快,所设计的BP网络分类器和模糊分类器对储粮微生物的离线测试识别率达到了82.3%以上。6.检测系统实现利用Visual C++.net 2003开发工具开发了储粮微生物识别系统软件。

论文目录

• 摘要
• ABSTRACT
• 目录
• 第1章 绪论
• 1.1 储粮微生物检测的必要性
• 1.2 国内外储粮微生物检测的主要方法
• 1.3 图像识别理论在农业方面及生物领域研究现状
• 1.4 本论文的研究思路及内容
• 第2章 微生物图像预处理及特征提取
• 2.1 图像预处理
• 2.1.1 图像平滑
• 2.1.2 图像分割
• 2.2 微生物图像的特征提取
• 2.2.1 几何特征和形状特征
• 2.2.2 纹理特征
• 2.3 特征数据归一化处理
• 2.4 微生物图像特征提取试验
• 2.5 本章小结
• 第3章 微生物图像的特征选择
• 3.1 特征选择
• 3.2 类别可分性依据
• 3.3 遗传算法
• 3.3.1 遗传算法基本理论
• 3.3.2 遗传算法的特点
• 3.4 模拟退火算法
• 3.4.1 模拟退火算法基本理论
• 3.4.2 模拟退火算法的特点
• 3.5 基于遗传模拟退火算法的特征选择
• 3.5.1 基于模拟退火和遗传算法的特征选择算法
• 3.5.2 模拟遗传算法流程及实验结果
• 3.6 特征压缩方法概述
• 3.6.1 基于K-L变化的特征压缩
• 3.6.2 基于类内离散度矩阵K-L变换的特征压缩
• 3.6.3 K-L特征压缩结果评价
• 3.7 本章小结
• 第4章 基于BP神经网络的分类器设计
• 4.1 模式识别概述及分类器选取
• 4.1.1 统计模式识别
• 4.1.2 结构模式识别
• 4.1.3 模糊识别方法
• 4.1.4 智能模式识别
• 4.1.5 分类器的选取
• 4.2 传统BP神经网络算法分析
• 4.2.1 BP网络结构
• 4.2.2 BP网络学习规则
• 4.3 改进传统BP算法的收敛速度
• 4.4 改进的BP网络在微生物图像分类中的应用
• 4.4.1 隐层数的选取
• 4.4.2 隐层节点数的选择
• 4.4.3 训练次数的确定
• 4.4.4 学习误差的选择
• 4.4.5 网络初始权值和希望输出的选择
• 4.4.6 BP网络应用于微生物分类
• 4.4.7 网络的创建
• 4.4.8 网络的测试
• 4.4.9 BP网络分类结果
• 4.5 本章小结
• 第5章 基于模糊模式识别的分类器设计
• 5.1 模糊模式识别
• 5.1.1 模糊集理论
• 5.1.2 模糊模式识别方法的建立
• 5.1.3 基于模糊理论的分类器设计
• 5.1.4 微生物模糊分类算法
• 5.1.5 识别结果及其分析
• 5.2 本章小结
• 第6章 微生物图像识别系统设计
• 6.1 系统总体方案
• 6.2 系统硬件设计
• 6.3 系统软件设计
• 6.5 本章小结
• 第7章 工作总结及研究展望
• 7.1 工作总结
• 7.2 研究展望
• 参考文献
• 攻读硕士学位期间参加的科研项目及发表论文
• 致谢
• 附录1
• 附录2